随着人工智能技术迅速发展，AI代理在解决各种复杂任务中的表现日益受到关注。近期来自METR研究组织的前沿论文以及托比·奥德（Toby Ord）对该研究的深入分析指出，AI代理完成较长任务的成功率出现了令人惊讶的指数衰减趋势。这种现象类似于物理学中的放射性衰变，表明AI的成功率可以用“半衰期”这一概念来衡量，揭示了任务长度和成功概率之间的深刻数学关系。这一发现不仅为理解当前AI系统的局限性提供了新视角，同时也为AI未来的性能预期和改进路径奠定了理论基础。METR团队于2025年发表的论文展示了一个新颖的衡量AI能力的方法：通过考察AI代理在不同长度任务上的成功率，推算出任务持续时间与成功概率之间的关系曲线。研究对象涵盖软件工程、安全防护、通用推理及机器学习等多个领域的170项任务，这些任务皆以人类完成所需时间为衡量尺度。
结果显示，AI代理对任务成功的概率随着任务时间线性增加而呈指数下降，且其完成任务的时间长度大约每7个月便能翻倍，这一规律鲜明而持续，表明AI的发展在某种内在机制的支撑下沿着可预测的轨迹前进。托比·奥德在对该研究的解读中提出，AI代理在长任务上的成功率呈指数衰减，可以用常数风险率（constant hazard rate）模型来解释。该模型假设每一个单位时间内，AI代理都有固定的失败概率，且这个概率不随任务进程的推进而改变。这样的概率模型与放射性物质的衰变非常相似，半衰期即定义为成功概率降低到50%所需的任务时间。据此，AI代理的成功率下降规律称得上是“半衰期”现象，用它来衡量和比较不同模型的表现，非常直观且科学。为什么会出现这种指数形式的成功率下降？其背后的核心逻辑在于任务拆分。
一个较长的任务通常由许多子任务顺序组成，代理想要最终成功，必须在每个子任务中都表现良好。考虑到每个子任务都有一定失败风险，而子任务相互独立，整体成功概率便是所有子任务成功概率的连乘积，这种情况下成功率的乘积特性自然形成指数衰减。换言之，任务越长，子任务越多，失败的风险累计增加，导致整体成功率降低。虽然任务拆分的具体形式可能不同，但只要子任务的失败概率以某种稳定模式存在，整体的成功率衰减就会呈指数型。这也解释了为何用人类完成任务所需时间作为基准，更符合模型的数学假设，因为时间等同于子任务数量和难度的综合指标。该常数风险率模型也能够预测不同成功率阈值下AI代理能完成的最长任务时间。
例如，若以50%的成功率计算，某AI代理能完成的最大任务时间定义为半衰期，若要求提高到80%的成功率，则对应任务长度会缩短大约三分之一。对实际应用场景来说，这种预测意义重大。模型进一步推断，要求更高的成功率（如90%、99%甚至99.9%）时，任务长度会变得更短，这表明提升高质量任务完成能力远比提升基础能力更加困难。令人振奋的是，METR的研究指出，AI代理的任务时长半衰期正以固定速度（约7个月）增长，意味着随着技术积累，AI代理逐渐能够胜任更长时间的任务，而成功率的衰减风险同步降低。这种趋势为AI赋能长期复杂任务奠定了理论和实践基础。相比之下，人类在完成类似任务时，其成功率下降曲线显示出不同于简单常数风险率的表现。
分析表明，人在更长时间任务中表现出的成功率衰减速度低于AI，说明人类有更强的错误纠正能力和复杂决策调节机制。人类非线性的任务处理策略，可能使得失败风险不会随着时间简单线性叠加，这是当前AI模型所不具备的重要优势。这种差异不仅为发展更智能、更稳健的AI提供了方向，同时也提醒我们，在构建和评估AI代理时，应充分考虑任务特性和复合风险因素的影响。此外，托比·奥德指出，该指数衰减模型具备记忆无关性，即“无后效性”，意味着AI代理下一刻失败的概率，与之前完成的任务进度没有直接关系。这一特性对推理代理而言非常难得，它暗示了任务中早期的成败不会影响后续风险水平，但现实中是否真正如此，还有待后续深入验证。对于AI代理表现的优化，该模型提供了重要启示。
首先，通过降低每单位时间的失败概率（降低风险率），能显著提升任务完成的最长时间和成功率。其次，鉴于任务的复合性，应着重提升代理在子任务层面的鲁棒性和恢复能力，以避免早期错误造成后续失败递增。该思路也有助于驱动新的训练方法和性能评估指标的设计，更贴合现实复杂任务的需求。学界和业界也对该研究的推广和应用提出了审慎的建议。METR任务测试套件虽涵盖多领域，但仍存在局限，如任务自动评分限制、缺少多代理交互及资源约束等，这可能影响结果的广泛适用性。AI在某些领域表现优于人类或更快解决长时间任务的现象，也挑战了“人类时间-成功率”这一通用尺度的普遍适用性。
未来研究亟需扩展实验范围，结合不同任务类型和多样环境，系统验证该半衰期模型的普适性与稳定性。总结而言，AI代理成功率的“半衰期”概念，为理解AI能力提升、长时间任务表现提供了一个简洁而强大的数学框架。它揭示了AI系统在任务时间与成功风险之间的深刻关系，提示我们关注AI任务拆解、风险积累及错误恢复机制的关键作用。随着技术不断进步，AI代理的半衰期有望进一步拉长，使其胜任更复杂、更持久的任务，推动智能系统向更高水平迈进。而对比人类表现的差异，则为AI研究指明了差距与改进方向，激发未来探索更具适应性和鲁棒性的智能体的动力。这个半衰期模型不仅具有理论价值，也具备广泛的实际应用前景，将成为人工智能领域中衡量与预测AI代理能力演化的重要工具。
。
